1.配置環境

2.安裝顯示卡驅動、CUDA 和 CUDNN

• 在Ubuntu系統中的 System Settings -> Software & Updates -> Additional Drivers 安裝相應的顯示卡和CPU驅動，重啟後在 System Settings -> Details 中可以看到自己的顯示卡型號說明安裝成功

• 檢視 CUDA 官方文件的 PRE-INSTALLATION ACTIONS 部分，一一驗證是否符合安裝條件

• 在終端執行 sudo sh cuda_8.0.61_375.26_linux --override，Ctrl + C 跳過協議部分，然後accept，下面只有安裝驅動的時候選 no （上面已經安裝過驅動），其他都是 yes

• 執行 sudo sh cuda_8.0.61.2_linux.run 新增官方補丁

• 新增環境變數，終端執行 sudo gedit /etc/profile 在檔案末尾新增

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

• 執行source /etc/profile

• 檢查驅動 cat /proc/driver/nvidia/version

• 檢查CUDA nvcc -V

• 解壓 cudnn-8.0-v6.0 ，拷貝到 CUDA 安裝路徑

sudo cp cuda/include
 
/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

3.編譯安裝 OpenCV3.2

• 安裝相應的依賴

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get
 
 install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev # 處理影象所需的包
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev # 處理視訊所需的包
sudo apt-get install libatlas-base-dev gfortran # 優化opencv功能，此步顯示找不到軟體
sudo apt-get install ffmpeg

• 解壓 opencv3.2.0.zip

cd .../opencv-3.2.0
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..

• 若出現 – ICV: Downloading ippicv_linux_20151201.tgz… 錯誤，則複製 ippicv_linux_20151201.tgz 到 opencv-3.2.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e/ 再繼續執行 cmake

• 編譯並安裝

make -j4       #四核運算  
sudo make install

4.安裝 Anaconda 和 Tensorflow

• 在終端執行 sudo sh ./Anaconda3-5.0.1-Linux-x86_64.sh 即可安裝

• 在終端執行如下命令即可安裝最新版 Tensorflow

conda create -n tensorflow python=3.6
source activate tensorflow
pip install tensorflow-gpu

• 若要在終端使用 Tensorflow， 則要先輸入 source activate tensorflow，退出時輸入 source deactivate

• 若要在 Spyder 中使用 Tensorflow，則需要複製並替換路徑 /home/senius/anaconda3/envs/tensorflow/lib/python3.6/site-packages 資料夾中的所有檔案到 Anaconda 安裝路徑下的 lib/python3.6/site-packages 資料夾中

• 若要在 PyCharm 中使用 Tensorflow，則需要在 Files -> Settings -> Project Interpreter 中新增 ~/anaconda3/envs/tensorflow/bin/python 即可

4.安裝 Caffe 並配置 Python 介面

• 安裝必要的依賴庫

sudo apt-get install build-essential
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install python-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

• 解壓 caffe-master, 重新命名 Makefile.config.sample 為 Makefile.config 並更改如下內容

a.使用 cudnn 
USE_CUDNN := 1

b.使用的 opencv 版本是 3
OPENCV_VERSION := 3

c.使用 python 來編寫 layer
WITH_PYTHON_LAYER := 1

d.重要的一項 :
將# Whatever else you find you need goes here.下面的
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
修改為： 
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial     
這是因為ubuntu16.04的檔案包含位置發生了變化，尤其是需要用到的hdf5的位置，所以需要更改這一路徑

e.刪除 CUDA_ARCH := 的前兩行,避免 CUDA 報錯

f. 修改 PYTHON_INCLUDE 路徑
# We need to be able to find Python.h and numpy/arrayobject.h.
#PYTHON_INCLUDE := /usr/include/python2.7 \
        /usr/lib/python2.7/dist-packages/numpy/core/include

g. 修改 Anaconda 路徑
# Verify anaconda location, sometimes it's in root.
ANACONDA_HOME := $(HOME)/anaconda3
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
         $(ANACONDA_HOME)/include/python3.6m \
         $(ANACONDA_HOME)/lib/python3.6/site-packages/numpy/core/include

h. 使用 Python3
# Uncomment to use Python 3 (default is Python 2)
PYTHON_LIBRARIES := boost_python3 python3.6m
PYTHON_INCLUDE := /usr/include/python3.6m \
                /usr/lib/python3.6/dist-packages/numpy/core/include \
                /home/senius/anaconda3/include/python3.6m

i. 修改 PYTHON_LIB 路徑
# We need to be able to find libpythonX.X.so or .dylib.
#PYTHON_LIB := /usr/lib
PYTHON_LIB := $(ANACONDA_HOME)/lib \
              $(ANACONDA_HOME)/pkgs/python-3.6.3-h0ef2715_3/lib

以上內容一定要仔細檢視自己相應的目錄一一對應，若沒有相關目錄一定是少安裝了某些依賴，這一步配置好了後面就不會有什麼錯誤

• 修改 Makefile 檔案把下面第一行程式碼改為第二行程式碼

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

• 編輯 /usr/local/cuda/include/host_config.h ，將其中的第115行註釋掉
  //#error -- unsupported GNU version! gcc versions later than 5 are not supported!


• 編譯 caffe

mkdir build
cd build
cmake ..
sudo make all
sudo make install
sudo make runtest

所有的 RUN 都為 OK 的話就編譯成功了

• 編譯 python 介面

cd .. #到caffe-master目錄
sudo make pycaffe -j4

若出現 cannot find -lboost_python3 錯誤（參考 http://blog.csdn.net/u012675539/article/details/51351553），首先檢查是否有檔案存在 ls /usr/lib/x86_64-linux-gnu/libboost_python-py35.so，若存在則建立軟連結

sudo ln -s libboost_python-py35.so libboost_python3.so
sudo ln -s libboost_python-py35.a libboost_python3.a
sudo ln -s libboost_python-py35.so.1.58.0 libboost_python3.so.1.58.0
然後 sudo gedit /etc/ld.so.conf
新增 /usr/lib/x86_64-linux-gnu
sudo ldconfig

然後重新編譯

sudo make clean 
sudo make pycaffe -j4

• 新增環境變數

sudo gedit ~/.bashrc
最後一行新增export PYTHONPATH=/home/senius/Software/caffe-master/python:$PYTHONPATH
source ~/.bashrc

• 測試 python 介面
  進入終端 import caffe 不報錯說明安裝成功

經過兩天的嘗試最終總算是配置好了 Tensorflow 和 Caffe ，這其中走了太多的彎路，特此分享一下曲折的經歷以方便大家也方便自己以後更高效地配置相關環境。

獲取更多精彩，請關注「seniusen」!